A) Preučitev razmerja med spremenljivkami.
B) ustvarjanje vizualnih predstavitev podatkov.
C) Povzetek kategoričnih podatkov.
D) Izračunavanje povprečij številčnih podatkov.

A) Kako dobro se model ujema z opazovanimi podatki.
B) Vrsta uporabljenega statističnega testa.
C) Velikost nabora podatkov.
D) Število spremenljivk v modelu.

A) Linearnost
B) Neodvisnost opazovanj
C) Normalna porazdelitev ostankov
D) Homoskedastičnost

A) Odstranitev vseh vhodnih spremenljivk razen najpomembnejše.
B) ustvarjanje novih vhodnih spremenljivk iz obstoječih podatkov za izboljšanje delovanja modela.
C) Za avtomatizacijo celotnega postopka modeliranja.
D) Natančno prileganje modela podatkom za učenje.

A) Združevanje podobnih podatkovnih točk na podlagi vzorcev ali značilnosti.
B) Raziskovanje vzročno-posledičnih povezav.
C) Ustvarjanje enega sestavljenega merila iz več spremenljivk.
D) Izris podatkovnih točk v dvodimenzionalnem prostoru.

A) Analiza glavnih komponent
B) Regresijska analiza
C) Navzkrižno preverjanje
D) Test Chi-kvadrat

A) Ko je model ravno pravšnji in se dobro posplošuje na nepoznane podatke.
B) Kadar je model preveč zapleten in zajame šum v podatkih.
C) Kadar se model popolnoma prilega podatkom za usposabljanje, vendar je neuspešen pri novih podatkih.
D) Kadar je model preveč preprost in nima zadostne napovedne moči.

A) Oceniti ustreznost logistične regresije.
B) Preverjanje predpostavke o linearnosti v regresijskih modelih.
C) Povzetek porazdelitve nabora podatkov.
D) Ocenjevanje uspešnosti klasifikacijskega modela.

A) PCA
B) ANOVA
C) Logistična regresija
D) Drevo odločanja